Water balance of metal mining tailings management facilities : influence of climate conditions and tailings management options
Notice bibliographique
Résumé
The objective of this research was done to review and compare available methods for Tailings Management Facilities (TMFs) water balance; to develop deterministic and probabilistic models; and to compare the impacts of different tailings management options and climate conditions. The developed models were spreadsheet based. Mount Polley operational data were used. Water balance models were created for lined and unlined impoundments in both wet and dry climates. Wet condition climate data were extracted from ClimateBC (a University of British Columbia Software Program) using the location of the Kerr-Sulphurets-Mitchell (KSM) project in British Columbia. Climatic data from the Cerro Negro mine site in Argentina were used to simulate the dry condition. After developing a deterministic model, Monte Carlo simulation computational algorithm was used to develop the probabilistic evaluations. Simulations were carried out using the Oracle Crystal Ball Excel add-in. Evaluations were done on four management options (slurry, thickened, paste, and filtered tailings) by changing the tailings solids content. Results confirmed that entrainment and evaporation were the biggest water losses in TMF. For slurry tailings, entrainment loss was more than 80% of the total water loss in the wet condition and more than 50% of the total water loss in the dry condition. The reported average mine water consumption for slurry tailings in arid climate is between 0.4 and 0.7 m³/tonne. The estimated mean required make up water from the developed model in this reaserch was 0.70 m³/tonne. Water withdrawal in dry climate conditions can decrease to 0.18m³/tonne when a filtered tailings option is implemented. The average water surplus in wet climate conditions for an unlined impoundment varied between 0.83 and 1.12 m³/tonne for solids contents between 45% (slurry tailings) and 80% (filtered tailings). The corresponding values for a lined impoundment were 0.86 and 1.16 m³/tonne. Implementing dewatered tailings is not recommended in wet climates. In contrast, paste tailings and filtered tailings are good options in arid areas for proper-size operations. TMFs are site-specific complex systems. Results presented here are only examples to outline how the mining industry can work toward reducing water losses by using dewatering and tailings management technologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».